机械-基于案例的推理的印刷机械故障诊断(一)

摘要：本文借助案例推理技术在知识取得、易于理解方面的优势，结合印刷机械设备的特点，将基于案例推理的方法引入到印刷设备的故障诊断领域，详细论述了案例推理在设备故障诊断系统中的实现进程，并给出了该方法在印刷机械设备故障诊断中的利用实例。 关键词：基于案例的推理(CBR)；印刷机械；故障诊断 1．引言 现代印刷机械的结构越来越复杂，自动化程度越来越高，功能出现多样化，使得设备故障也越来越复杂化，很难建立1个完全的数学模型来描述它,随之故障诊断与排除也越来越困难。1旦设备产生故障，将影响到全部生产系统的安全和稳定运行，特别是由于印刷的特殊性，在印刷工艺上要求高，加上纸张油墨的可变因素大农村楼房被强拆后怎么办，所以产生故障的因素很多，有时1种故障的产生有多种缘由[2]。 当前印刷行业的维修人员主要是靠感觉和个人经验，对印刷机的故障进行诊断和排除。令他们最头痛的是印刷进程产生了故障而找不到产生故障的缘由，常常为了套印不准，墨杠，重影，纸给，倒顺毛等故障，停机检验几个小时，有时为了消除1个故障乃至要花几天时间[3]，充辩白明了现在利用在印刷领域的故障诊断技术已远远不能适应现代化印刷的要求。 利用人工智能技术的故障诊断系统已成为设备故障诊断的发展方向。目前针对印刷领域的故障智能诊断系统主要有基于规则和神经网络的系统，由于这些系统采取的故障诊断方法存在某些不足，如知识取得非常困难，系统对求解超出范围的问题无能为力，诊断推理进程比较抽象，不容易理解等。而基于案例的诊断推理需要检索的是现场产生的故障案例，大大减少了从专家那里取得知识的必要，比较容易建立；在待诊断对象的故障与案例之间不完全匹配时也能给出类似的解；诊断结果是具体的案例，比较生动丰富，能够反应故障的整体概貌，容易理解接受等。因此，本文采用案例推理技术进行故障诊断，CBR的推行可以使1般技术人员也能够对印刷机械进行故障诊断。 2. 基于案例的推理技术 基于案例的推理(case-based reasoning, CBR)是人工智能领域新崛起的1种基于知识的问题求解和学习方法，它以独特的推理风格和成功的利用，向人们展现了很强的生命力。CBR方法同人类的平常推理活动10分接近，它来自于人们的认知心理活动，不同于传统的基于知识的系统，CBR系统所依赖的知识主要是系统中储存的相干领域中之前解决问题的具体记录，例如：医院中的病例。传统的基于规则(RBR)推理方法所依赖的知识是由领域专家以规则的情势给出，而CBR推理方法则不需要从权威专家那里抽取规则这类非常沉重的工作，从而避免了知识取得的瓶颈。 2.1 案例的表示 基于案例的推理首先要研究的是，怎样把过去所解决问题的实例表示成案例的情势，以便于储存在案例库中。从问题求解的角度来看，案例应当包括对问题的整体情况的描述，还应当包括对问题的解或解决方法的描述，所以案例可以用1个有序对：<问题的描述，解的描述>来表示。 案例就是把之前处理过的问题，描述成由问题的特点集和解决方案组成的案例，储存在案例库中。case base={C1,C2……Cn}表示案例库,其中Ci=C(Fi,Si)表示案例库中的第i个案例；Fi=(fi1,fi2……fin)表示案例Ci的征象集，fin表示案例Ci的第n个征象；Si=(si1,si2……sin)表示案例Ci的解决方案集，sin案例Ci的第n解决方案(或解决方案的第n个步骤)。案例它代表的是过去的经验的积累，其实不是1条规则，在案例库中每个案例描述的是1种故障状态，它们是相互独立的。案例的表示如图1所示。 2农村无证房屋可以强拆吗.2 类似度的计算 CBR是以类似性概念为中心的，而类似性是以类似度来衡量的，通过类似度客户在可能解中寻觅近似解，合适的度量方法可以快速、准确地找到所需要的案例。所以在CBR系统中，类似度的计算显得特别重要。类似度是用0－1之间的实数来表示的，值越大表示两个案例越类似，旧案例提供的建议解就越有用。 CBR类似度的计算公式： 给定两个故障案例C1和C2，,SIM(C1,C2)；两个案例之间的类似度，simj ；两个案例对应征象间的类似度，wj ；对应特点的权重，其中∑wj＝1。 (待续)